彩色血液細(xì)胞圖像的分割與識別方法研究.pdf

1、近年來,計算機(jī)及其相關(guān)技術(shù)的迅速發(fā)展及圖形圖像技術(shù)的日漸成熟,開創(chuàng)了數(shù)字圖像處理的新時代,該技術(shù)也逐步滲入到醫(yī)學(xué)領(lǐng)域中。借助計算機(jī)圖像圖形學(xué)、虛擬現(xiàn)實和計算機(jī)網(wǎng)絡(luò)與技術(shù)的醫(yī)學(xué)處理與分析,一直是國內(nèi)外研究與應(yīng)用的熱點,其中醫(yī)學(xué)圖像處理是近三十年來發(fā)展起來的新興技術(shù),而血液細(xì)胞圖像自動識別則是運(yùn)用計算機(jī)處理醫(yī)學(xué)顯微圖像并識別對象物的代表性課題之一。本文針對彩色血液細(xì)胞顯微圖像,研究了如何運(yùn)用計算機(jī)圖像處理和識別技術(shù)實現(xiàn)其自動分析,主要內(nèi)容包

2、括:
　　①研究了血液細(xì)胞顯微圖像的處理方法,采用了圖像處理中的灰度拉伸、均值濾波,數(shù)學(xué)形態(tài)學(xué)的開閉運(yùn)算等對圖像進(jìn)行預(yù)處理。對圖像使用水平和豎直方向的中值濾波,使用較大的尺度,盡量的消除噪聲影響。
　?、谠陬A(yù)處理圖像上、運(yùn)用閾值分割、種子點區(qū)域增長、輪廓跟蹤、邊緣提取等分割方法實現(xiàn)圖像的分割,討論并比較了各種方法的優(yōu)缺點。特別地,在兩個方向分別采用閾值限制以及局部最大值的方法來檢驗邊界,同時融合了像素顏色信息和空間形狀特征,

3、綜合利用了閾值方法和種子點區(qū)域生長方法,對細(xì)胞進(jìn)行分割。
　?、墼诩?xì)胞圖像分割的基礎(chǔ)上,分析了紅細(xì)胞、白細(xì)胞圖像的特征描述,抽取了能較全面反映血液細(xì)胞的幾何形態(tài)特征和顏色特征。
　?、苎芯苛藞D像識別理論中的決策樹分類方法、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)識別法等處理方法,并分析了每種方法的特點和適用性。最后實驗選定了前向神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò),并利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱來進(jìn)行實驗。
　　實驗中采用三種不同的學(xué)習(xí)算法:動